深度伪造
1. 跨域的深度伪造检测模型训练方法、深度伪造检测方法和系统
申请号: CN202310089914.9
申请日: 2023-01-17
公开（公告）号: CN116385817A
公开（公告）日: 2023-07-04
发明人: 曹佳炯
本说明书提供的跨域的深度伪造检测模型训练方法、深度伪造检测方法和系统，基于SFDA算法以及EM算法，将源域上训练好的标签预测模型迁移至目标域中，以对目标域中的目标样本图像进行标签预测，得到对应的目标标注标签，从而利用目标域中的目标样本图像和目标标注标签对深度伪造检测模型进行训练，以使深度伪造检测模型跨域自适应至目标域中。本说明书提供的跨域的深度伪造检测模型训练方法、深度伪造检测方法和系统在无需获取目标域的标签的情况下，提升了深度伪造检测模型的跨域自适应的性能，从而提升了深度伪造检测模型在目标域中的检测准确性。
更多2. 一种基于StreamLit和多重注意力深度伪造检测网络的人脸深度伪造检测方法
申请号: CN202411677924.5
申请日: 2024-11-22
公开（公告）号: CN119559706A
公开（公告）日: 2025-03-04
发明人: 屠晓涵; 张传浩; 化政洋; 刘孟然
本发明涉及计算机视觉领域，具体涉及一种基于StreamLit和多重注意力深度伪造检测网络的人脸深度伪造检测方法；基于EfficientNetv2s网络结合Haar特征算法和dlib中的face‑recognition方法，本发明能够在嵌入式设备上通过3D深度摄像头进行实时人脸检测，并支持多终端部署。采用注意力机制增强了模型的特征提取能力，并通过MAD方法进行深度伪造检测，取得了优异的效果。实验结果表明，该系统在WIDER FACE、Celeb‑DF、DFDC等数据集上的检测性能显著优于其他现有方法，同时具备较高的鲁棒性和实时性。该技术能够有效应用于人脸视频伪造检测与身份验证，适用于移动端和嵌入式设备场景。
更多3. 深度伪造人脸数据鉴别方法
申请号: CN202110730122.6
申请日: 2021-06-29
公开（公告）号: CN113536990A
公开（公告）日: 2021-10-22
发明人: 姜育刚; 王君可; 陈静静; 吴祖煊
本发明属于神经网络安全技术领域，具体为一种深度伪造人脸数据鉴别方法。本发明通过在不同的尺度上捕捉细微的伪造特征用于深度伪造检测。具体来说，本发明引入一个多模态多尺度变换器（M2TR），使用一个多尺度变换器，对不同大小的图像块进行操作，以检测不同尺度的局部上下文不一致。为了改善检测结果并提高对图像压缩的鲁棒性，M2TR还引入频率信息，并通过一个跨模态融合模块将其与RGB特征进一步结合起来。大量的实验验证了本发明方法的有效性，且本发明性能超越了目前最先进的深度伪造检测方法。
更多4. 一种深度伪造检测方法及装置
申请号: CN202411341004.6
申请日: 2024-09-25
公开（公告）号: CN119380420A
公开（公告）日: 2025-01-28
发明人: 李登实; 陈澳雷; 朱晨倚; 李巍; 王宜辉; 徐昊凯; 余铖博; 胡士巍; 叶海洋
本发明提供了一种深度伪造检测方法及装置，方法包括获取真实视频、伪造视频以及参考图片，并将视频转换成图像序列；获取每一真实图像的操纵区域，并将操纵区域转换成真值标签；将参考图片的面部特征移植到真实图像上，以获取人脸的局部伪造图像；将真实图像对应的局部伪造图像以及真值标签训练多尺度不协调区域检测器；将同一视频的图像序列输入到训练好的多尺度不协调区域检测器，得到特征预测图序列；将同一视频的图像序列对应的特征预测图序列作为输入，训练不协调区域追踪分类器，用于区分真实视频以及伪造视频的不协调区域在时空一致性上的差异。本发明在面对未知的伪造方法和身份时，能够实现更高的准确率。
更多5. 深度伪造检测方法及对应装置
申请号: CN202211220117.1
申请日: 2022-10-08
公开（公告）号: CN115311525B
公开（公告）日: 2023-03-14
发明人: 于鲲; 王源
本申请实施例公开了一种深度伪造检测方法及对应装置，涉及机器学习技术领域。本申请实施例提供的技术方案中，在空间域和频域两方面对待检测图像进行特征提取，并对空间特征表示和频率特征表示进行融合以检测待检测图像是否存在伪造对象。在提取频率特征时，充分考虑了待检测图像中伪造对象区域和其他区域在不同粒度的频率上所体现出的频率差异，利用待检测图像中的对象区域对粗粒度的频率特征表示和细粒度的频率特征表示进行融合得到待检测图像的频率特征表示，从而提高深度伪造检测的准确度。
更多6. 深度伪造检测方法及对应装置
申请号: CN202211220117.1
申请日: 2022-10-08
公开（公告）号: CN115311525A
公开（公告）日: 2022-11-08
发明人: 于鲲; 王源
本申请实施例公开了一种深度伪造检测方法及对应装置，涉及机器学习技术领域。本申请实施例提供的技术方案中，在空间域和频域两方面对待检测图像进行特征提取，并对空间特征表示和频率特征表示进行融合以检测待检测图像是否存在伪造对象。在提取频率特征时，充分考虑了待检测图像中伪造对象区域和其他区域在不同粒度的频率上所体现出的频率差异，利用待检测图像中的对象区域对粗粒度的频率特征表示和细粒度的频率特征表示进行融合得到待检测图像的频率特征表示，从而提高深度伪造检测的准确度。
更多7. 深度伪造图像检测方法和装置
申请号: CN202310618283.5
申请日: 2023-05-29
公开（公告）号: CN117496212A
公开（公告）日: 2024-02-02
发明人: 向国徽; 曾定衡; 蒋宁; 陆全; 夏粉
本申请公开了一种深度伪造图像检测方法和装置，该方法包括：获取待检测的第一图像以及预先训练的深伪检测网络；使用深伪检测网络对第一图像进行检测，得到用于表示第一图像是否属于深度伪造图像的检测结果；深伪检测网络包括特征提取模块、纹理增强模块、注意力模块、特征处理模块、特征融合模块以及分类模块。本申请实施例使用的深伪检测网络可以有效提取用于检测伪造痕迹的纹理特征，通过对纹理特征进行增强，然后结合空间注意力机制得到注意力图，并根据注意力图对增强的纹理特征以及第一图像的顶层特征进行融合，基于融合后的特征检测第一图像是否属于深度伪造的图像，由此可以提高检测结果的准确度，实现对深度伪造图像的有效检测。
更多8. 深度伪造图像检测方法及装置
申请号: CN202011352811.X
申请日: 2020-11-27
公开（公告）号: CN112183501B
公开（公告）日: 2021-02-19
发明人: 陈建益; 田天
本申请公开了一种深度伪造图像检测方法及装置，该方法包括：执行人脸图像输入，输入的人脸图像包括真实人脸图像和伪造人脸图像；采用第一卷积神经网络对人脸图像进行初步人脸特征提取；对人脸图像进行包含纹理特征的传统图像特征提取，采用第二卷积神经网络对传统图像特征进行动态调整加工；将初步人脸特征和传统图像特征在通道维度叠加，获得人脸图像的融合特征；对融合特征采用第三卷积神经网络进行特征再提取，特征再提取使初步人脸特征和加工后的传统图像特征进行特征交互；根据再提取特征输出人脸图像真假分类的概率置信度。本发明融合传统图像特征和深度学习，能显著提升深度伪造图像检测模型的准确率和泛化性能。
更多9. 深度伪造图像检测方法和装置
申请号: CN202310645463.2
申请日: 2023-06-01
公开（公告）号: CN117495766A
公开（公告）日: 2024-02-02
发明人: 向国徽; 曾定衡; 蒋宁; 陆全; 夏粉
本申请公开了一种深度伪造图像检测方法和装置，该方法包括：使用深伪检测网络对第一图像进行检测，得到用于表示第一图像是否属于深度伪造图像的检测结果；深伪检测网络包括第一特征提取模块、第二特征提取模块、纹理增强模块、注意力模块、特征处理模块、特征融合模块以及分类模块。本申请实施例使用的深伪检测网络可以分别根据通道注意力的方式和坐标注意力的方式对第一图像进行特征提取，得到用于深伪检测的更为有效和鲁棒的特征，在此基础上，在后续进行纹理特征的获取和增强处理以及基于坐标注意力机制的特征处理时，可以得到更好的目标纹理特征和注意力图，从而实现对深度伪造图像的有效检测。
更多10. 深度伪造图像检测方法及装置
申请号: CN202011352811.X
申请日: 2020-11-27
公开（公告）号: CN112183501A
公开（公告）日: 2021-01-05
发明人: 陈建益; 田天
本申请公开了一种深度伪造图像检测方法及装置，该方法包括：执行人脸图像输入，输入的人脸图像包括真实人脸图像和伪造人脸图像；采用第一卷积神经网络对人脸图像进行初步人脸特征提取；对人脸图像进行包含纹理特征的传统图像特征提取，采用第二卷积神经网络对传统图像特征进行动态调整加工；将初步人脸特征和传统图像特征在通道维度叠加，获得人脸图像的融合特征；对融合特征采用第三卷积神经网络进行特征再提取，特征再提取使初步人脸特征和加工后的传统图像特征进行特征交互；根据再提取特征输出人脸图像真假分类的概率置信度。本发明融合传统图像特征和深度学习，能显著提升深度伪造图像检测模型的准确率和泛化性能。
更多11. 一种面向音视频多模态深度伪造内容的时序伪造定位方法
申请号: CN202311070397.7
申请日: 2023-08-24
公开（公告）号: CN117079115A
公开（公告）日: 2023-11-17
发明人: 王宏霞; 张瑞; 杜明珊; 刘汉卿; 周炀; 曾强
本发明公开了一种面向音视频多模态内容的时序伪造定位方法，方法采用预训练行为识别网络和预训练音频特征表示网络提取视觉与音频内容的特征序列。在此基础上运用重建学习方法训练特征重建编码器和特征重建解码器，以学习真实样本特征序列的潜在分布。通过重建误差注意力增强模块，用于提升对时序伪造片段的关注度。同时，并行特征金字塔模块被引入，以增强对微小篡改片段特征的表达能力。最终，增强后的特征序列输入时序特征解码器，判定伪造片段的起始和结束时间。本方法能够有效协助定位局部伪造视频中的伪造片段，且具有良好的定位精度，AP@0.75分数可达95.54％，具备实际应用价值。
更多12. 深度伪造视频的溯源方法和装置
申请号: CN202310623041.5
申请日: 2023-05-30
公开（公告）号: CN119068376A
公开（公告）日: 2024-12-03
发明人: 王磊; 潘进; 刘洋; 刘晓辉; 郭承禹; 张翠; 张子琦; 宋鑫宇
本申请公开了一种深度伪造视频的溯源方法和装置。其中，该方法包括：利用全局特征匹配预训练数据集对第一原始模型进行训练，得到第一目标模型，第一原始模型是结合语言监督和图像自监督的多任务模型，用于从全局特征匹配预训练数据集中学习图像与图像之间的特征关联、图像与文本之间的特征关联；利用第一目标模型对深度伪造视频进行溯源。本申请解决相关技术中不能对深度伪造视频进行溯源的技术问题。
更多13. 深度伪造反取证图像的生成方法
申请号: CN202310950013.4
申请日: 2023-07-31
公开（公告）号: CN116664880A
公开（公告）日: 2023-08-29
发明人: 丁峰; 范冰; 刘帅旗; 朱小刚; 刘春年; 刘伯成
本发明提供了一种深度伪造反取证图像的生成方法，涉及图像处理与多媒体信息安全技术领域。所述生成方法包括以下步骤：获取图像数据，并构建反取证模型的网络结构；将图像数据区分为训练集图像和测试集图像，将训练集图像输入生成网络并以预设权重提取视觉特征和取证特征，进行特征重组合成伪造图像；判别网络对伪造图像与训练集图像进行分类判别，并将学习到的权重回传至生成网络更新预设权重；重复进行达到预设迭代轮次后生成反取证模型；将测试集图像输入反取证模型，输出反取证图像。本发明生成的反取证图像能够提高取证检测器的检测难度，达到更强的反取证效果，从而能够协助应对新型伪造技术的取证挑战。
更多14. 深度伪造反取证图像的生成方法
申请号: CN202310950013.4
申请日: 2023-07-31
公开（公告）号: CN116664880B
公开（公告）日: 2023-11-28
发明人: 丁峰; 范冰; 刘帅旗; 朱小刚; 刘春年; 刘伯成
本发明提供了一种深度伪造反取证图像的生成方法，涉及图像处理与多媒体信息安全技术领域。所述生成方法包括以下步骤：获取图像数据，并构建反取证模型的网络结构；将图像数据区分为训练集图像和测试集图像，将训练集图像输入生成网络并以预设权重提取视觉特征和取证特征，进行特征重组合成伪造图像；判别网络对伪造图像与训练集图像进行分类判别，并将学习到的权重回传至生成网络更新预设权重；重复进行达到预设迭代轮次后生成反取证模型；将测试集图像输入反取证模型，输出反取证图像。本发明生成的反取证图像能够提高取证检测器的检测难度，达到更强的反取证效果，从而能够协
更多15. 音频复制移动深度伪造检测方法
申请号: CN202410867697.6
申请日: 2024-07-01
公开（公告）号: CN118865987A
公开（公告）日: 2024-10-29
发明人: 史沧红; 邱新; 李孝杰; 吴敏; 邵敏锋; 熊玲; 牛宪华
本发明公开了一种音频复制移动深度伪造检测方法，属于数字音频技术领域，包括如下步骤：获取待检测音频，基于待检测音频生成梅尔频谱图和希尔伯特黄频谱图；将梅尔频谱图和希尔伯特黄频谱图进行加权融合，得到融合频谱图；构建音频分类卷积神经网络，并设定网络预设参数；对音频分类卷积神经网络进行训练，得到训练好的音频分类卷积神经网络；将融合频谱图输入训练好的音频分类卷积神经网络进行音频复制移动深度伪造检测，得到音频复制移动深度伪造检测结果。本发明解决了现有音频复制移动伪造检测精度不足和无法检测音乐音频的问题。
更多16. 基于掩模监督的深度伪造检测方法
申请号: CN202411315042.4
申请日: 2024-09-20
公开（公告）号: CN119540736A
公开（公告）日: 2025-02-28
发明人: 曹宸浩; 段伊可; 刘岱杰; 滕仁漉; 李雨哲; 艾日帕提江·阿不都热合曼; 王波
本发明涉及计算机视觉与深度学习技术领域，涉及基于掩模监督的深度伪造检测方法。技术方案：输入图像到预处理模块进行预处理；处理后的图像分别输入到用于提取空间域特征的掩模监督模块和用于提取频率域特征的频率域特征提取模块；所述空间域特征和频率域特征进行连接，并输入到分类模块，以获得最终的预测结果。有益效果：本发明通过掩模监督纠正模型对不相关区域的关注，使用像素级标签指导模型朝向面部的合成区域，确保更精确地提取空间特征，本发明基于掩模监督的深度伪造检测方法在检测准确性、鲁棒性、泛化能力、计算效率、可解释性和整体性能优化等方面均表现出显著的优势，为深度伪造检测领域提供了新的解决方案。
更多17. 移动端深度伪造内容攻击防护方法
申请号: CN202410433850.4
申请日: 2024-04-11
公开（公告）号: CN118230134A
公开（公告）日: 2024-06-21
发明人: 郭晨阳; 何覃; 王百慧
本发明涉及一种移动端深度伪造内容攻击防护方法，为：获取移动端的屏幕内容；通过深度伪造检测模型的特征提取模块提取屏幕内容的伪造特征；将伪造特征上传至云端，该云端部署有所述深度伪造检测模型的伪造特征检测模块，该伪造特征检测模块能基于伪造特征输出真伪检测结果；获取云端反馈的真伪检测结果，并在真伪检测结果显示为伪造时生成风险提示信号。本发明将深度伪造检测模型进行拆分，将深度伪造检测模型的特征提取模块部署在移动端，将深度伪造检测模型的伪造特征检测模块部署在云端，在移动端侧进行数据预处理和特征提取，并将提取的伪造特征上传至云端，由利用云端的算力对伪造特征进行检测，得到深度伪造检测结果。
更多18. 人脸视频深度伪造检测方法及装置
申请号: CN202311268531.4
申请日: 2023-09-27
公开（公告）号: CN117542124A
公开（公告）日: 2024-02-09
发明人: 梁坚; 徐雨婷
本发明提供一种人脸视频深度伪造检测方法及装置，涉及图像处理技术领域，包括：对目标视频进行人脸区域识别和裁剪，得到仅包含人脸区域的人脸区域视频；根据所述人脸区域视频中M组不同的连续N帧人脸区域视频帧，生成所述人脸区域视频对应的M帧人脸区域缩略图，其中，每帧所述人脸区域缩略图包括连续N帧人脸区域视频帧；将各帧所述人脸区域缩略图分别输入人脸视频深度伪造检测模型，输出每帧所述人脸区域缩略图对应的视频伪造概率；在各个所述视频伪造概率的平均值超过预设第一预设阈值的情况下，判定所述目标视频为伪造视频。
更多